本文来自微信公众号： 小饭桌 ，作者：关注AI的，编辑：张丽娟
2026年即将过半，AI行业正在经历一场集体“戒断反应”。
一级市场上，钱还在往AI赛道涌，但流向已经彻底变了，资金从“炼模型”加速转向“用模型”，与此同时，产业端开始用毛利率和复购率重新审视每一个曾被贴上“AI”标签的项目。
曾经靠PPT就能融到钱的日子结束了，取而代之的是投资人反复追问：你的商业模式到底能不能跑通？
“AI支出会吞噬掉业务人员的生存空间。”“我现在不看好具身智能，因为实在看不到太多应用场景。”“现在的AI应用其实很像20年前的互联网+，未来一定是万物皆AI。”
这些声音来自前不久第160期小饭局上的闭门讨论。券商分析师、上市公司高管、投资合伙人、银行零售金融负责人，同一个AI在不同人眼里完全是不同的东西。
从“讲故事”到“算账”，AI创业正式进入淘汰赛。钱怎么流？场景怎么切？哪些方向被高估了？哪些价值洼地还没被人注意到？
我们把这场闭门讨论中四种角色的真实判断打碎、重组，试图拼出一张更完整的AI投资地图。
从算力到应用，投资传导链已然清晰
“模型一定会吞噬软件。”某券商研究所高级研究员一开场就抛出了这个判断。他的意思并不是说软件行业要消失，而是AI会彻底重构“软件”这两个字的内涵。
怎么重构？在这位研究员看来，未来企业不会再像今天这样去采购ERP、OA、CRM这些标准化的软件包，而直接买一套AI服务器，部署一套方便调用的中间层模型和数据库，然后业务需求报上去让AI自动生成企业需要的ERP，自动转出OA。“此前，软件是程序员一行行代码写出来的，以后的软件都是AI写出来的。”
这个变化直接反映在企业的采购清单上：以前的采购是买CPU、找咨询公司做交付、再做运维；未来的采购是买AI服务器、部署模型。
而且，业务部门的费用将会被大幅压缩，因为AI替代了一部分人类工作，也就吞噬掉业务部门的预算。“这跟当年传统报社被数字新媒体压缩的逻辑是一样的。”他说。
顺着这个逻辑，这位研究员给出了一个具体的投资顺序：业绩兑现最强的是算力，其次是云，然后是数据，最后才是应用，市场的传导就是这样一层层打通的。
而在算力这个大方向里，他提了一个很多人还不太熟悉的概念“超节点”。简单说，就是把一堆算力卡通过交换芯片快速连接在一起，形成一个高效的算力集群，避免分散式的低效使用。而他的建议很简单：“去找超节点的龙头。”
算力之后是云。除了头部互联网公司有千卡万卡集群，绝大多数企业根本不会自建算力中心，都是用云，而云恰好又赶上了算力紧缺带来的涨价逻辑，IDC和云服务的受益是最确定的。这是他眼中的第二个确定性环节。
对于模型，这位研究员抛出一个有点“反常识”的观点：不要投大语言模型，要投数据。模型说白了就是数据喂出来的，核心壁垒不在算法，而在数据。
他进一步提到要关注世界模型（物理AI）和决策模型。“世界模型比大语言模型的复杂度高出一个量级，能做这个事的公司不多，稀缺性本身就构成护城河。”他解释，“大语言模型的幻觉问题到今天还是解决不了，但决策模型不存在这个问题，因为决策模型本身代表的就是数据壁垒本身。”
他关于“决策模型”的判断，在互智投资总经理尚柳辛这里具象化成投资偏好，比如AI教育、AI律师、AI医疗等。原因很简单，这些行业垂直，数据真实，历史积累充分。“学校的教材、考试卷，法律条文，医疗影像数据等都是经过多年沉淀积累的，不像一些互联网数据那样参差不齐。”
张仲华进一步补充说，“2025年市场主线是AI和有色，2026年以来是航空航天和AI应用，但二级市场已经阶段性过热了。”
他还认为，新能源汽车可以看作是AI在应用中的一个重要板块。“上半场是电气化、电动化，下半场是智能化。AI会加速新能源汽车的渗透率，同时很多环节的供需关系也都会随之发生变化。”
那么，在这场产业重构的舞台上钱从哪儿来？银行方代表给出了金融端的答案，并介绍了两类贴息政策：针对服务业的经营主体，以及中小企业。
她重点提到了“跟投贷”，也就是银行投债权，跟随专业投资机构投股权。“你们投股权，我们银行投债权，投资标的是那些优质的科技企业。”
她把这类产品细分为“初创贷”和“科创贷”。初创贷看重创始人，是不是顶尖人才、重点人才；科创贷则面向已经过了A轮、B轮的企业，看营业收入、订单收入和核心团队。
也就是说，银行不再只盯着财务报表看了，他们开始像VC一样去评估创始人的背景和团队的科研素质。
但银行也有自己的局限性，“一些非常大型的AI企业已经被国家大基金覆盖了，银行能进入的空间非常小。”再加上AI迭代太快，公司可能一两年崛起，也可能一两年没落。“我们想跟投资机构合作做‘跟投贷’，是因为银行不是产业专家，需要借助投资机构的专业眼光一起把控风险。”
具身智能被泼冷水，垂直场景被重估
上半场大家都在讲“AI如何重构旧世界”，下半场的焦点则更尖锐：哪些方向现在被炒得过热？哪些真正的机会反而被忽视了？
尚柳辛直言不讳“我个人不是特别看好具身智能。”他坦言自己从很多角度想过这个问题，但始终没想通它的逻辑。“我能理解背后商业去推动它的理由，但我觉得它当前被严重高估了。”
他觉得大众对具身智能有一个根本性的误解，机器人为什么一定要是人形的？工厂里的分拣线，固定机械臂更实用；工厂里打螺丝，履带机器人在载重、稳定方面更有优势。“除了表演性的场景，我确实看不到其他的应用场景。”
在尚柳辛看来，AI应用现在很像20年前的“互联网+”——“当时连一支笔、一个水杯都要做成联网的，所谓‘万物皆可互联’，我觉得未来一定会变成‘万物皆可AI’。”
尚柳辛给出了一个自己的判断：未来1-3年，“次抛式软件”可能会集中爆发。“需要什么软件，一句话让AI去生成，只用一次就够了。”未来还可能会出现一种“次抛式APP”的应用商店，像Apple Store一样，需要什么软件自己去下载。
他还提到了另一个正在发生的变化：一人公司的崛起。无独有偶，银行方代表也提到了这个趋势，并且银行现在已经有专门针对“一人公司”群体的信贷产品。她观察到，两个人、三个人组成的团队，借助AI做短视频、做获客、做贸易，已经成为各家银行相继争夺的客群。
而银行这边也在从两个方向拥抱AI：一是内部应用，把信审等业务从线下转到线上，“减少个人情感影响，标准化判断更快”；二是外部客群，从去年开始，算力相关企业已经成为他们的重点客户。
张仲华从二级市场的角度补充了一个冷静的提醒：“站在目前这个时间点，AI应用已经阶段性过热了。”但他更愿意寻找那些商业逻辑已经跑通、支付端已经闭合的公司。“比如细分垂直领域，数据封闭、数据质量高，那就有价值。”
券商研究所的研究员则在产业逻辑上给这个现象做了注脚，“一定要做数据的投资，因为模型的底色就是数据，核心要看数据壁垒。”
整场分享讨论下来，把所有观点串起来会发现一个更底层的共识：AI最确定的机会，往往藏在那些“非AI原生”的场景里：制造业的产线优化、基层医院的超声诊断、一个人就能运转OPC等等，这些才是AI真正在改变的东西，而不是那些酷炫的演示。
至于那些动辄融资十亿、估值百亿的明星项目，现场嘉宾没有人提起，而这本身或许就是一种态度。
当四种完全不同背景、完全不同利益诉求的角色坐在一起，他们用钱投票的方向，比任何行业报告都更诚实地指向了同一个事实：AI的故事已经讲完了，现在到了看账本的时候。
那些手里有真实数据、跑通了支付闭环、在垂直场景里真正解决了问题的公司，哪怕不那么性感，可能才是这轮周期里活得最久、赚得最多的赢家。
“AI行业的迭代实在太快了，很多公司一两年崛起，可能一两年后就没落了。”而在这个深水区里，唯一不会过时的护城河，就是真实的场景、真实的数据和真实的收入。